试图找出数据框中的一列与另一列的相似程度答案

【问题标题】：Trying to find how similar one column is to another in dataframe试图找出数据框中的一列与另一列的相似程度
【发布时间】：2019-11-07 18:04:08
【问题描述】：

我正在尝试计算准确率。

我有一个包含大量数据列的 pandas 数据框。

对于每个客户，我有一列预测流失率和一列真实流失率。

有没有办法在两列之间计算准确度指标和其他指标？两列都只有二进制，0 表示没有流失，1 表示流失。

【问题讨论】：

docs.scipy.org/doc/scipy/reference/spatial.distance.html。有关两个布尔向量之间最典型的距离测量列表，请参阅底部集合。
不过，既然您提到您有一个预测列，您可能更感兴趣的是根据您的预测概率计算 ROC en.wikipedia.org/wiki/Receiver_operating_characteristic，然后根据 ROC 下的面积对您的预测进行评分
@ALollz OP 很清楚，两列都是二进制的（即没有概率），因此 ROC 不适用
@desertnaut 这取决于吐出 1/0 的预测背后的类型模型。如果确实不存在具有分类基础的任意阈值的概率，那么请务必忽略它。但是这个问题没有什么可继续的......
@ALollz 的问题是关于 pandas 数据框中的两个二进制列；鉴于此，开始想象预测列的“背后”可能是纯粹的猜测，并且可以说是无关紧要的

【解决方案1】：

显然，您可以通过多种方法来衡量针对已知答案的预测准确性。由于您使用机器学习和 python 对此进行了标记，因此我建议您首先使用混淆矩阵（又名错误矩阵）。 scikit-learn python 库有一个可以使用的模块：

from sklearn.metrics import confusion_matrix
y_true = ...
y_pred = ...
confusion_matrix( y_true, y_pred )

【讨论】：